定制化 Amazon Nova 模型统一药物发现中的分子性质预测

事件概述

针对药物研发中分子性质预测的传统痛点，Amazon 科学家与 Nimbus Therapeutics 合作，提出了一种基于定制化大语言模型（LLM）的新范式。该研究旨在解决传统依赖多个专用图神经网络（GNN）导致的流程割裂、维护成本高以及缺乏交互推理能力的问题。

核心挑战与背景

• 传统局限：药物研发通常需使用多个独立的 GNN 模型来预测不同的分子属性。每个模型拥有独立的接口、数据格式和失效模式，导致化学家必须手动整合分散的结果。
• 扩展困难：当需要预测新属性时，必须从头构建多任务数据集并训练新模型，这一过程耗时数周。
• 通用模型不足：虽然 Claude Sonnet 4 和 Nova 2 Lite 等通用 LLM 在其他领域表现优异，但在直接应用于分子性质预测时，其精度远低于专用 GNN。测试数据显示，未微调模型的均方根误差（RMSE）比专用 GNN 高出 40% 至超过 200%。

解决方案与技术路径

研究团队采用**监督微调（SFT）结合强化微调（RFT）**技术，对通用 LLM 进行领域适配：

1. 单一模型统一预测：微调后的单个 LLM 能够同时处理多种分子属性的预测，无需切换不同模型或接口。
2. 增量式更新：新增预测属性仅需进行增量微调，避免了重新训练整个模型的繁琐过程。
3. 交互与推理：模型不仅提供预测结果，还能解释推理逻辑，并根据化学家的需求建议分子结构的修改方向，实现了从“预测”到“生成与设计”的闭环。

实验验证与关键数据

研究聚焦于药物开发中至关重要的三类共 11 种分子属性：

• 脂溶性 (Lipophilicity)：1 项属性，决定分子能否穿过生物膜，影响药物的吸收与分布。
• 渗透性 (Permeability)：4 项属性，衡量药物通过血液进入身体的难易程度。
• 清除率 (Clearance)：6 项属性，决定药物在体内的消除速度，过快或过慢均可能导致毒性或无效。

测试结果：

• 经过 SFT 和 RFT 定制的 Amazon Nova 2 Lite 模型，在预测上述 11 种属性时，取得了与多个专用 GNN 模型相当甚至更优的精度。
• 相比传统方法，该方案显著减少了时间和人力成本，使工作流程更加简化。

行业影响

当前，一款新药上市平均耗时 10-15 年，成本超 20 亿美元，且临床获批率仅约 8%。定制化 LLM 助手有望显著提升药物研发早期阶段的效率，帮助化学家快速设计具有理想性质的分子，增加候选药物的成功率，从而加速安全有效药物的问世。